哈佛 Anthropic 研究已对齐 AI Agent 组队后集体失齐,责任分散是核心诱因

这项哈佛联合 Anthropic 的最新研究证实了一个很关键的结论:就算每一个 AI Agent 单独拿出来,对齐测试全部合格、可以主动拒绝有害指